高分辨率图像具有更加丰富的细节信息和良好的视觉效果,因此,在计算机视觉、医学成像以及公共安全监控等领域得到了极其广泛的应用。在拍照环境较差、成像系统精度不高、人为因素影响的情况下,采集到的图像可能存在着边缘模糊、辨识度低等缺陷。提高拍照设备性能的方法虽然能够在一定程度上缓解上述问题,但这种方法不仅会在很大程度上增加经济开支,而且无法彻底消除上述因素的干扰。超分辨率重建技术是一种可行的解决方法,其基于已知图像,通过对图像进行后期处理,能够丰富图像的细节信息,使得图像中的内容能够更加容易地被分辨与理解,并有良好的视觉效果。与自然图像相比,文字图像有着自身独有的特点,而一般的超分辨率重建算法并没有考虑到文字图像的文本特征,因而对于文字图像的处理效果并不理想。在此背景下,本文针对文字图像的重建展开了研究,主要工作包括以下三个方面:1.图像超分辨率重建理论的分析。首先对图像超分辨重建的理论基础、算法分类、研究现状进行了介绍,然后建立了超分辨率重建的退化过程及观察模型,随后阐述了超分辨率重建算法的基本步骤,最后对几种常见的经典算法进行了详细分析与比较。2.文字图像配准中的特征点提取技术研究。文字图像配准是整个重建过程中十分重要的一个环节。本文首先对文字图像配准算法的基本概念和类别进行了介绍,然后对常用的Harris、SIFT、SURF三种特征点提取算法进行了分析与对比。本文重点对传统SIFT算法进行了深入分析,发现原有算法存在着匹配速度慢、效率低、误配率较高等问题。针对这一问题,本文提出了一种基于降维SIFT算子的特征提取算法,并通过后续的实验证明了所提出的算法具有良好的性能。实验结果表明,本文所提出的算法能够有效地减少误配点数、降低匹配用时以及提高匹配准确率。3.文字图像的超分辨率重建技术研究。本文重点对凸集投影算法进行了深入分析,由于原有算法的阈值不变,降低了算法的灵活性,因此会影响最终重建效果。然后针对文字图像所含有的灰度值呈双峰分布这一特征和传统凸集投影法鲁棒性差这一问题,本文提出了一种基于自适应阈值和双峰包络的POCS算法。最后通过实验证实所提算法的性能。实验结果表明,论文所提算法能够更好地消除噪声,提高图像的分辨率,提升图像视觉效果。